测量不确定度是测量系统最重要的性能指标之一，也是定量表征测量结果质量的精度指标。科学评定测量不确定度对保证精密制造质量，提高现代测试技术水平至关重要。由ISO等7个国际组织1993年颁布并实施的《测量不确定度表示指南》(简称GUM)改变了在世界范围内测量结果评定不一致的局面，对各国统一测量结果的评定起了积极的作用。但GUM在应用中存在一定的局限性，不确定度评定原理及方法还有(待)进一步完善。尤其是动态测量不确定度的评定方法亟待提出，以彻底改变目前普遍存在的以静态测量不确定度原理来评定动态测量不确定度的不合理现象。本文应用贝叶斯统计原理，研究并提出了测量不确定度评定的新方法。通过采用共轭正态—倒伽玛分布作为不确定度评定的分布函数，成功地将静态与动态测量不确定度的评定方法融为一体。理论上可证明，贝叶斯估计精度明显高于经典样本统计的估计精度；通过计算机仿真，将经典估计方法与贝叶斯估计方法进行了比较，验证了基于贝叶斯原理的不确定度评定方法的可靠性。尤其在较为常见的小样本动态测量数据处理时，贝叶斯估计的精度优势更为显著。共轭正态—倒伽玛分布的贝叶斯估计适用于多次重复测量的不确定度评定，故一般的平稳过程和非平稳过程都能应用。但对于具有各态历经性的动态测量数据，是通过一次测量的样本计算特征量，因此本文根据各态历经过程的动态数据特点，提出了应用贝叶斯常均值动态模型，进行各态历经平稳过程的不确定度评定方法，通过贝叶斯统计推断和预测，由贝叶斯观测方程的标准差的估计值来表征各态历经过程的不确定度。有关GUM内容与方法的增补与完善受到国际计量学指南联合委员会的重视和认可，动态测量不确定度的评定已成为国内外专家研究的热点课题，应用贝叶斯原理研究融静动态于一体的测量不确定度评定方法，对完善GUM的内容，拓宽GUM的应用范围具有重要意义。